在醫療前先取得病人同意很重要，但初級醫生可能會有資訊不足的問題。使用對話式人工智慧，像是大型語言模型（LLMs），或許能幫助改善病人瞭解資訊並提升決策能力。本文討論了將知情同意交由LLMs處理的想法，並強調了在某些臨床情況下相對於現行做法的潛在好處。 PubMed DOI

審查委員會(IRB)因為工作人員經驗不足，被批評批准研究計畫時出現延遲。研究指出，大型語言模型(LLMs)有助於提升IRB成員的審查效率。四個LLMs在案例研究中被測試，顯示在評估資格、易受傷害性、知情同意、風險效益分析和安慰劑使用等方面具有潛力。雖然LLMs在某些方面遇到困難，但在多次提示下有所改善。總的來說，LLMs有助於識別研究中的倫理關切並提高IRB的效率。 PubMed DOI

研究使用OpenAI的GPT-4開發AI助手，解釋藥物基因測試結果，提升臨床遺傳學決策，改善患者護理。AI助手採用RAG技術，結合CPIC數據庫，針對用戶提供個人化回答。相較ChatGPT 3.5，表現更佳，尤其在專業查詢方面。需改進回答準確性、相關性和語言表達。整合GPT-4與RAG提升效能，利用CPIC數據。挑戰在提高準確性、解決道德問題，發展專業基因/藥物模型。研究凸顯生成式AI在醫療支援和患者獲取複雜基因組學資訊的潛力。謹慎應用大型語言模型如GPT-4，可顯著提升對基因組學數據的理解，增進醫療服務。 PubMed DOI

研究發現使用GPT-4簡化手術同意書有助提升病人理解。簡化後的表格易讀且符合美國人閱讀水準，得到專家認可。GPT-4生成各種手術同意書，閱讀水準達六年級，獲高評分。這種人工智慧與人類合作展現潛力，可改善病人溝通及應對健康識字差異。 PubMed DOI

您的研究揭示了自然語言處理（NLP）技術與生物資訊學的潛在交集，特別是在DNA序列方面。您將DNA視為由四種核苷酸組成的語言，並將NLP模型如BERT和GPT-3應用於基因組學。 專注於人類基因序列使數據集更易管理，且循環神經網絡（RNN）在生成DNA序列上表現優於傳統N-gram方法，顯示複雜模型能更好捕捉生物數據的細微差異。 此外，您對詞彙大小對數據需求的影響進行調查，結果顯示較小的詞彙並不一定減少訓練數據需求。整體而言，您的研究為DNA序列生成建模開啟了新方向，可能促進生物資訊學的進步。 PubMed DOI

人工智慧（AI）在醫療領域的應用已改變病人互動方式。本研究探討了像ChatGPT這樣的AI在手術同意過程中的角色，重點在於病人的理解與滿意度。研究中86名參與者與AI互動後，71%的人感到獲得足夠資訊，86%認為資訊清晰，71%相信能做出知情決策。雖然大多數參與者表達滿意，但對數據隱私的擔憂仍然存在。未來需改善AI互動，確保人性關懷不被忽視。 PubMed DOI

你的megaDNA模型專案聽起來超有趣！利用多尺度變壓器架構來處理基因組數據，真的開創了大型語言模型在新領域的潛力。能在未標註的噬菌體基因組上進行核苷酸級別的預訓練，讓模型學習基因序列中的複雜模式，實在很創新。 你提到的預測重要基因、評估基因變異影響等能力，顯示出這個模型的多功能性，對基因組研究的影響也很大。而且能生成長達96,000個鹼基對的新序列，對合成生物學和噬菌體療法來說，真是令人期待的可能性！希望能看到這個模型與現有基因組模型的比較，以及你在開發過程中的具體方法。 PubMed DOI

這項研究比較了AI平台ChatGPT-4和Bard Gemini Advanced所生成的知情同意文件，與一名一年級口腔外科住院醫師撰寫的文件。經18位專家評估，結果顯示ChatGPT-4在準確性、完整性和可讀性上均優於Bard和人類撰寫的文件。具體來說，ChatGPT-4的得分在各項目中均為4，而Bard為3，人類同意書也為4。研究強調AI在知情同意過程中的潛力，但也指出需持續評估和整合患者反饋，以確保其在臨床上的有效性。 PubMed DOI

優化科學知識的產出對研究資助者、機構、社群和研究人員非常重要。透過結構化檔案，我們能學習知識生成中的有效與無效實踐。最近，我們利用人工智慧和大型語言模型，開發了國家人體基因組研究所的歷史檔案數位表示，涵蓋人類基因組計畫及相關項目，如癌症基因組圖譜和DNA元素百科全書。這個知識庫將增進對基因組研究的理解，並評估AI處理檔案的倫理影響。我們的研究將指導未來調查，並建立透明度與倫理AI使用的標準。 PubMed DOI

這篇摘要強調生成式人工智慧和大型語言模型在醫療保健中的重要性，指出它們能提升病人護理、研究及行政效率。不過，這些技術也帶來了安全和倫理挑戰，需採取全面措施以保障數據隱私和倫理使用。提出的AI醫療聊天機器人部署流程，專注於隱私保護技術和持續安全評估，以建立醫療應用中的信任與韌性。這種方法對於在敏感環境中最大化AI的好處並降低風險至關重要。 PubMed DOI